4.1 Метод крутого восхождения

Известно, что кратчайший, наиболее короткий путь — это движение по градиенту, т.е. перпендикулярно линиям равного уровня, на которых функция отклика принимает постоянные значения y(x₁; x₂, ..., x_k)=B. В связи с этим при оптимизации процесса рабочее движение целесообразно совершать в направлении наиболее быстрого возрастания функции отклика, т.е. в направлении градиента функции y.

Существуют различные модификации градиентного метода, одним из них является метод крутого восхождения. Сущность этого метода также рассмотрим на примере двухфакторной задачи (рис.4.3).

Рисунок 4.3 – Процедура оптимизации методом крутого восхождения

В этом случае шаговое движение осуществляется в направлении наискорейшего возрастания функции отклика, т.е. grad y(x₁; x₂). Однако направление корректируют не после каждого следующего шага, а при достижении в некоторой точке на данном направлении частного экстремума функции отклика.

Пусть в окрестности точки М₀ как центра плана поставлен ПФЭ 2². Координаты отдельных опытов соответствуют точкам 1-4. По результатам ПФЭ можно рассчитать коэффициенты линейного уравнения регрессии.

Градиент функции отклика в этой точке определяется как

⋅ (4.1)

где j ,i— единичные векторы в направлении координатных осей.

Следовательно, для движения по градиенту необходимо изменять факторы пропорционально их коэффициентам регрессии и в сторону, соответствующую знаку коэффициента. В процессе поиска двигаются в этом направлении до тех пор, пока не будет обнаружен локальный максимум (точка М₁ на рис. 4.4). В точке последнего находят новое направление градиента (направление М₁N), осуществляя опять же ПФЭ, и далее процедура повторяется. Стрелками на рис. 4.4 показана траектория движения к оптимуму.

Практически алгоритм сводится к следующей последовательности операций.

1. Планирование и постановка ПФЭ (или ДФЭ) в окрестности точки начального состояния x_i0. Расчет коэффициентов b_i линейной математической модели с целью определения направления градиента.

2. Расчет произведений b_iΔx_i, где Δx_i — интервалы варьирования факторов при ПФЭ (ДФЭ).

3. Выбор базового фактора x_i=x_i0, у которого

4. Выбор шага крутого восхождения для базового фактора h_a.

Этот выбор производится на основании имеющейся априорной информации или с учетом опыта исследователя, технологических соображений или других критериев. Относительно выбора шага заметим, что слишком малый шаг потребует значительного числа опытов при движении к оптимуму, а большой шаг создает опасность проскакивания области оптимума.

5. Расчет шагов изменения других факторов по формуле

(4.2)

Это соотношение между величинами шагов изменения отдельных факторов обеспечивает движение по градиенту в факторном пространстве.

6. Составление плана движения по градиенту. Для этого в соответствии с определенными значениями шагов изменения факторов и их последовательным алгебраическим суммированием с основным уровнем в точке

находят координаты опытов 5, 6, 7, 8, 9, 10 (см.рис.4.4). Часть этих опытов полагают "мысленными". "Мысленный" опыт заключается в получении предсказанных (расчетных) значений функции отклика по линейному уравнению регрессии, что позволяет сократить объем реальных опытов, т.е. увеличить скорость продвижения к экстремуму. При "мысленном эксперименте" перевод координат в кодированную форму и подстановка их в уравнение модели объекта должна подтвердить действительное возрастание y. Обычно реальные опыты в начале движения из базовой точки вдоль направления градиента ставятся через 2-4 мысленных опыта. Другие опыты реализуют на практике, определяя последовательность значений y в направлении градиента. Из опытных данных находят положение локального экстремума (точка М₁ на рис.4.4).

7. В окрестности локального экстремума ставят новую серию опытов (ПФЭ или ДФЭ) для определения новых значений коэффициентов уравнения регрессии и нового направления градиента (направление М₁N на рис.4.4). В дальнейшем процедура повторяется до достижения следующего локального экстремума и так далее вплоть до определения окрестности координат максимума функции отклика, которая носит название почти стационарной области.

Признаком достижения этой области является статистическая незначимость коэффициентов b_i. В почти стационарной области становятся значимы эффекты взаимодействия и квадратичные эффекты. Здесь требуется переходить от ДФЭ (если он использовался ранее) к ПФЭ, а если и этого окажется недостаточно, перейти от планов эксперимента первого порядка к планам второго порядка.

Очевидно, что в задачах, где требуется определить координаты не максимума, а минимума функции отклика, знаки коэффициентов b_i следует поменять на обратные. В этом случае движение в факторном пространстве осуществляется по направлению, противоположному вектору градиента.